跨XR和元宇宙应用的基于运动的用户识别数据集

该数据集包含来自49位用户在五个不同XR应用程序中的广泛运动数据，这些应用程序包括四个具有不同任务和动作模式的游戏以及一个额外的社交XR应用程序。数据集用于评估两个模型在跨应用程序中的性能和泛化能力。

This dataset contains extensive motion data generated by 49 users across five distinct XR applications. These applications include four games with varying tasks and motion modalities, plus one additional social XR application. This dataset is utilized to evaluate the performance and generalization capabilities of two models across different applications.

搜集汇总

数据集介绍

构建方式

该数据集通过系统化实验流程采集49名参与者在五款异构XR应用中的运动数据，涵盖节奏游戏《Synth Riders》《Beat Saber》、射击游戏《Superhot VR》《Half-Life: Alyx》及社交VR场景。实验采用HP Reverb G2头显与OpenVR库记录头部与双手控制器的六自由度位姿数据，采样率为30Hz，并通过Body-Relative-Velocity编码消除空间位置偏差，最终形成超过60小时的多模态运动序列。

使用方法

该数据集支持两种机器学习范式的评估：相似性学习模型可通过计算嵌入向量间的余弦距离实现跨应用用户识别，分类学习模型则需针对特定应用训练专用分类器。研究需将数据按用户划分训练、验证、测试集，并通过序列窗口分析（如10分钟连续运动）提升识别准确率。数据以标准化BRV格式提供，包含18维帧级特征，可直接输入Transformer-GRU混合架构进行模型训练与泛化能力验证。

背景与挑战

背景概述

跨XR和元宇宙应用的基于运动的用户识别数据集由德国维尔茨堡大学与美国弗吉尼亚理工大学联合团队于2025年创建，旨在解决扩展现实环境中用户身份识别与隐私保护的交叉领域问题。该数据集收录了49名用户在五种异构XR应用中的运动轨迹数据，涵盖节奏游戏、第一人称射击及社交VR场景，总时长超过60小时。其核心研究在于探索运动生物特征在跨应用场景中的泛化能力，为元宇宙时代的身份认证机制和隐私风险评估提供了首个多应用场景的基准数据，对人机交互与信息安全领域具有里程碑意义。

当前挑战

该数据集主要面临两重挑战：在领域问题层面，需解决跨异构XR应用的用户运动模式差异性问题，例如节奏游戏中的规律性动作与开放世界游戏中的自由运动存在显著特征偏移，导致模型跨域识别准确率骤降；在构建层面，需协调多应用数据采集的标准化问题，包括不同应用引擎的数据同步、用户动作的语义对齐，以及社交VR场景中非结构化运动的有效标注。此外，数据隐私合规性与用户运动特征的匿名化处理亦构成重要技术壁垒。

常用场景

经典使用场景

在扩展现实与元宇宙研究领域，该数据集被广泛应用于基于运动行为的用户身份识别任务。研究者通过分析用户在五种不同XR应用中的头部及手部控制器运动轨迹，构建深度学习模型以捕捉个体独特的运动特征。典型应用场景包括跨应用程序的用户身份验证实验，其中模型需从节奏游戏、社交交互等异构运动模式中提取一致性生物特征。

解决学术问题

该数据集有效解决了跨XR应用场景中用户身份识别的泛化性难题，为评估生物特征识别模型的跨域适应能力提供基准。其通过融合结构化游戏数据与非结构化社交交互数据，揭示了运动模式在不同任务语境下的稳定性差异，对隐私保护与身份认证技术的平衡发展具有重要理论价值。该工作首次系统量化了跨应用用户再识别的实际可行性，为元宇宙隐私风险评估提供了实证依据。

实际应用

在实际应用层面，该数据集支撑了XR系统的无缝身份认证系统开发，用户可通过自然运动行为实现设备登录与权限管理。在元宇宙社交平台中，基于运动特征的匿名化保护机制可防止恶意身份追踪，同时为个性化内容推荐提供技术基础。工业领域则将其用于远程协作场景的身份连续性验证，确保虚拟环境中操作者的可信身份维持。

数据集最近研究

最新研究方向

在扩展现实与元宇宙应用领域，基于运动的用户识别研究正聚焦于跨应用泛化能力的突破。当前研究揭示，尽管深度学习模型在单一应用内可实现高精度身份识别，但跨不同交互场景（如节奏游戏、社交VR及开放世界应用）的泛化性能仍存在显著局限。这一挑战源于不同应用所诱导的运动模式差异远大于同一用户的行为一致性。近期热点集中于开发预训练相似性学习架构，通过嵌入空间映射提升跨域识别鲁棒性，同时关注运动数据匿名化技术以平衡隐私保护与识别需求。该方向对构建安全可信的元宇宙身份体系具有深远影响，为下一代生物特征识别范式奠定基础。

相关研究论文

• Motion-Based User Identification across XR and Metaverse Applications by Deep Classification and Similarity Learning

  维尔茨堡大学 · 2025年